plik


ÿþStatystyka to dyscyplina nauki przecitne kwadratowe odchylenie prawdopodobieDstwa zmiennej zajmujca si poszczególnych wyników od ich losowej. metodami zbierania, [redniej T funkcj oznaczamy f(x) i ma ona opracowywania i analizy danych o - Odchylenie standardowe nastpujce wBasno[ci: zjawiskach - Odchylenie przecitne - f(x)³ð0, dla ka|dego x masowych jest [redni arytmetyczn - prawdopodobieDstwo, |e X przyjmie Celem jest: bezwzgldnych ró|nic pomidzy warto[ midzy a i b jest równe mierze *znalezienie prawidBowo[ci poszczególnymi warto[ciami cechy a pola pod krzyw f(x) pomidzy ksztaBtujcych zjawiska: warto[ci [redni punktami a i b - badanie struktury - caBe pole pod krzyw f(x) jest równe kosztów produkcji Porównanie stopnia zró|nicowania 1 - badanie zmian w dwóch zbiorowo[ci: posBugujemy si RozkBad dwumianowy zakBada poziomie i strukturze ludno[ci na wzgldnymi miernikami przeprowadzenie eksperymentu okre[lonej przestrzeni i czasie s to wspóBczynniki zmienno[ci ich polegajcego na wykonaniu cigu - badanie zwizku warto[ wyznaczamy jako stosunek identycznych do[wiadczeD pomidzy sta|em pracy a wydajno[ci odchylenia standardowego lub speBniajcych nastpujce warunki: n pracowników przecitnego do warto[ci [redniej - S dwa mo|liwe wyniki ka|dego xi -ð x åð - reklam a obrotami arytmetycznej pomno|ony przez 100 do[wiadczenia, nazywane sukcesem i i =ð1 Dm =ð Populacja (zbiorowo[ statystyczna) pora|k. Wyniki te wykluczaj si i n  jest rozumiana jako zbiór wyników dopeBniaj. wszystkich elementów, które podlegaj Miary asymetrii (sko[no[ci) - PrawdopodobieDstwo sukcesu badaniu z punktu widzenia okre[lonego Je|eli dla tego samego zbioru danych oznaczane przez p , pozostaje takie s kryterium. obliczamy [redni arytmetyczn, samo od do[wiadczenia do Vs =ð ·ð100 Próba  jest podzbiorem populacji. median i dominant to pomidzy nimi x do[wiadczenia. Prawd. pora|ki Cz[ populacji, która jest analizowana mo|e zachodzi jedna z trzech relacji oznaczane przez q, jest równe 1-p. ze wzgldu na ustalon charakterystyk (zale|no[ci): - Do[wiadczenia s niezale|ne od w celu wycignicia wniosków dla - x = Me = D (wystpuje w szeregu siebie caBego zbioru (populacji). symetrycznym) Dwumianowy rozkBad Cecha statystyczna - wBasno[ - x < Me < D (sko[no[ ujemna; prawdopodobieDstwa: jednostki; elementy wchodzce w skBad lewostronna) n æð öð n! P(x) =ð çð ÷ð pxqn-ðx =ð pxqn-ðx populacji maj wBasno[ci wspólne oraz - D < Me < x (sko[no[ prawostronna, çð x÷ð x!(n -ð x)! èð øð takie, które ró|nicuj te jednostki dodatnia) mð =ð E(X ) =ð np midzy sob. Miar asymetrii jest wspóBczynnik Zbiór danych mo|e by asymetrii WAS 2 sð =ð V (X ) =ð npq x -ð D rozpatrywany: WAS =ð s *z punktu widzenia: - opisowego Zmienne losowe i ich rozkBady RozkBad Poissona - wnioskowania statystycznego - jest to funkcja, która przy zaj[ciu RozkBad ten jest dobrym przybli|eniem PodziaB cech statystycznych: ka|dego zdarzenia losowego w rozkBadu dwumianowego, przy Jednym z wielu podziaBów cech jest: przyjmuje konkretn warto[ x(w), co zaBo|eniu, |e liczba do[wiadczeD n jest *Mierzalne zapisujemy:X: w àð x(w)  R du|a (n>20), a prawdopodobieDstwo - warto[ci daj si wyrazi za pomoc Zmienna losowa mo|e by: sukcesu jest maBe (p<0,05) liczb skokowe *skokowa (dyskretna), Znajduje zastosowanie w ustalaniu - wyra|one w ró|nych jednostkach: zB, gdy mo|e przyjmowa warto[ci ze prawdopodobieDstwa wadliwo[ci tonach, sztukach, itd... cigBe zbioru przeliczalnego. RozkBadem produkcji lub awaryjno[ci maszyn *Niemierzalne prawdopodobieDstwa zmiennej losowej x mð e-ðmð - nie daj si zmierzy nominalne, np. skokowej jest tablica, wzór lub wykres, P(x) =ð pBe, zawód, kolor.. który przyporzdkowuje x! - opisane na skali nominalnej prawdopodobieDstwa ka|dej mo|liwej RozkBad normalny (Gaussa) porzdkowe warto[ci zmiennej. - RozkBad normalny jest rozkBadem, do Miary statystyczne: RozkBad prawd. zmiennej losowej którego d|y m.in. rozkBad - miary poBo|enia skokowej speBnia warunki: dwumianowy gdy liczba do[wiadczeD - miary rozproszenia n wzrasta - P(X=x)=P(x) ³ð 0 dla ka|dego x - miary asymetrii - Okazuje si, |e rozkBad normalny jest - SP(xi) = 1 - miary koncentracji rozkBadem granicznym wielu innych Dystrybuanta zmiennej losowej Miary poBo|enia (tendencji rozkBadów, w sytuacjach gdy ujawniaj skokowej: centralnej): si skutki ró|nych przypadkowych F(x) =ð p(xi ) åð - P-percentylem w zbiorze liczb czynników pochodzcych z ró|nych xi <ðx (uporzdkowanych wedBug wielko[ci) zródeB mierzy skupienie si jednostek w Funkcja gsto[ci: WBasno[ci dystrybuanty zmiennej znaczeniu procentowym; mo|emy skokowej: ( x-ðmð)2 -ð 1 2 okre[li procent zbiorowo[ci - F(x) jest niemalejca 2sð f (x) =ð e znajdujcy si poni|ej danej - F(x) jest lewostronnie cigBa sð 2pð obserwacji. Szczególne percentyle: Standaryzowany rozkBad normalny - przy xàðnieskoDczono[ci F(x) àð 1 mediana i kwartale, - Poniewa| istnieje nieskoDczenie wiele *cigBa, gdy przyjmuje warto[ci z - Dominanta(warto[ modalna, moda normalnych zmiennych losowych, dowolnego przedziaBu liczbowego. )jest warto[, która w tym zbiorze jedn z nich wybieramy aby sBu|yBa Mo|liwe warto[ci takiej zmiennej wystpuje najcz[ciej jako pewien standard. tworz zbiór nieprzeliczalny. CigBa - Zrednia arytmetyczna ([rednia PrawdopodobieDstwa zwizane z zmienna losowa to taka zmienna klasyczna)zwan tak|e przecitn jest warto[ciami przyjmowanymi przez losowa, która mo|e przyjmowa to suma warto[ci wszystkich wyników zmienn normaln standaryzowan dowolne warto[ci z pewnego podzielona przez ich liczb zostaBy stablicowane przedziaBu nieprzeliczalnego PrawdopodobieDstwa zwizane z cigB - oznaczamy: N(0, 1) Miary zró|nicowania: zmienn losow X s wyznaczane - Rozstp - - Wariancja - w zbiorze przez funkcj gsto[ci wyników wariancj nazywamy RozkBad t-Studenta RozkBad chi-kwadrat *Analiza efektów zmian warto[ci Je|eli mamy dwie zmienne losowe: - RozkBad ten podobnie jak rozkBad t, pojedynczych zmiennych - U o rozkBadzie normalnym charakteryzuje si liczba stopni obja[niajcych. standaryzowanym oraz swobody, df ( df=n-1 ) *Prognoza warto[ci zmiennej - c2 o [redniej równej k oraz - W przeciwieDstwie do rozkBadu t, obja[nianej dla danego zestawu odchyleniu standardowym rozkBad chi-kwadrat nie jest warto[ci zmiennych obja[niajcych. to zmienna losowa: symetryczny *Badanie, czy jakakolwiek zmienna - RozkBad chi-kwadrat jest rozkBadem obja[niajca ma istotny wpByw na prawdopodobieDstwa sumy kwadratów zmienn obja[nian. niezale|nych, standaryzowanych, Korelacja wyra|a stopieD powizania normalnych zmiennych losowych. pomidzy zmiennymi losowymi Stosuje si dwie grupy testów: - Korelacja pomidzy dwoma RozkBad t-Studenta to rozkBad parametryczne i nieparametryczne zmiennymi losowymi X i Y charakterystyczny dla próbek o maBej - stosowanie pierwszych wymaga - w analizie korelacji badacz liczno[ci (ozn. n). przyjcia zaBo|eD o postaci rozkBadu jednakowo traktuje obie zmienne: RozkBad t charakteryzuje si stopniami testowanej zmiennej losowej oraz zale|n i niezale|n swobody oznaczanymi jako k lub df. znajomo[ci wybranych statystyk - pokazuje ona, na ile obie zmienne Warto[ przecitna rozkBadu t-Studenta - testy nieparametryczne takich zaBo|eD zmieniaj si równocze[nie w sposób jest równa zero, a jego wariancja przy nie wymagaj, ale nie s tak mocne jak liniowy df>2 jest równa df/(df-2). W miar jak parametryczne - korelacja midzy X i Y jest taka sama liczba df wzrasta, wariancja rozkBadu t Hipotezy statystyczne jak midzy Y i X zbli|a si do jedno[ci, tj. do wariancji Hipoteza statystyczna to ka|de - Korelacja midzy dwiema losowymi przypuszczenie dotyczce rozkBadu zmiennymi X i Y jest miar siBy rozkBadu N~ð(0, 1). zmiennej losowej weryfikowane na (stopnia) liniowego zwizku midzy ESTYMACJA podstawie n-krotnej realizacji tej tymi zmiennymi Z prób reprezentatywnych obliczamy zmiennej - Silnie skorelowane zmienne wielko[ci statystyk, które s Wyró|niamy: zachowuj si tak, jak gdyby estymatorami okre[lonych parametrów - Hipotezy równocze[nie si poruszaBy populacji. parametryczne i nieparametryczne - kowariancja parametr Wyró|nia si dwa rodzaje estymacji: proste i zBo|one charakteryzujcy zale|no[ci pomidzy - estymacj punktow: - Hipotez zerow, oznaczon przez zmiennymi X i Y czyli metod szacunku, za pomoc H0, jest hipoteza w warto[ci jednego z której jako warto[ parametru parametrów populacji (lub wielu). zbiorowo[ci generalnej przyjmuje si T hipotez traktujemy jako konkretn warto[ estymatora prawdziw, dopóki nie uzyskamy wyznaczonego na podstawie n- informacji statystycznych elementowej próby (zakBadamy, |e dostatecznych do zmiany naszego warto[ statystki z próby le|y blisko stanowiska warto[ci parametru populacji) - Hipotez alternatywn, oznaczon - estymacj przedziaBow: przez H1, jest hipoteza przypisujca za pomoc której wyznacza si parametrowi (parametrom) populacji przedziaB liczbowy, który z ustalonym warto[ inn ni| podaje to hipoteza prawdopodobieDstwem zawiera zerowa nieznan warto[ szacowanego Moc testu hipotezy statystycznej jest parametru zbiorowo[ci generalnej. prawdopodobieDstwo odrzucenia WBasno[ci estymatorów: hipotezy zerowej, gdy jest ona - Estymator jest nieobci|ony, je|eli faBszywa. moc testu = 1-² jego warto[ oczekiwana jest równa WBasno[ci mocy testu: parametrowi populacji, do oszacowania - Moc zale|y od odlegBo[ci midzy której sBu|y warto[ci parametru zakBadan w - Estymatora jest efektywny, je|eli ma hipotezie zerowej a prawdziw niewielk wariancj (a tym samym warto[ci parametru. Im wiksza niewielkie odchylenie standardowe) odlegBo[ tym wiksza moc. - Estymator jest zgodny, je|eli - Moc zale|y od wielko[ci odchylenia prawdopodobieDstwo, |e jego warto[ standardowego w populacji. Im bdzie bliska warto[ci szacownego mniejsze odchylenie tym wiksza moc. parametru, wzrasta wraz ze wzrostem - Moc zale|y od liczebno[ci próby. Im liczebno[ci próby. liczniejsza próba, tym wiksza moc. - Moc zale|y od poziomu istotno[ci testu. Im ni|szy poziom istotno[ci tym PrzedziaBem ufno[ci nazywamy mniejsza moc testu przedziaB liczbowy, o którym Testy nieparametryczne przypuszczamy, z okre[lonym prawdopodobieDstwem, |e mie[ci si w - test zgodno[ci chi-kwadrat, populacja ma okre[lony typ rozkBadu nim nieznany parametr populacji - test serii, sprawdzenie czy próba jest Centralne twierdzenie graniczne - losowa? Je|eli pobieramy prób z populacji o - test rangowanych znaków, czy dwie [redniej ¼ i skoDczonym odchyleniu próby pochodz z tej samej populacji? standardowym à , to rozkBad [redniej z Regresja to próby , d|y do rozkBadu *modelowanie zwizku pomidzy normalnego o [redniej ¼ i odchyleniu, dwoma zmiennymi: zale|n Y oraz gdy liczebno[ próby wzrasta niezale|n X nieograniczenie, czyli dla - regresja liniowa: model liniowy  dostatecznie du|ych n. - regresja wieloraka: model nieliniowy

Wyszukiwarka

Podobne podstrony:
SCIAGA STATYSTYKAAAA
Statystyka ściąga
Sciaga pl Statystyka matematyczna
Sciaga pl Podział drukarek komputerowych
dydaktyka egzamin sciaga
Ściąganie drążka wyciągu górnego do klatki na maszynie
ściąga kol 1 stata
Analiza zależności dwóch cech statystycznych ilościowych
sciaga napedy
1 wprowadzenie do statystyki statystyka opisowa
Sozański Statystyczne miary zmienności a kwantyfikacja nierówności społecznej
ściaga PR
statystyka w matlabie

więcej podobnych podstron